[发明专利]自动问答方法、装置、电子设备及计算机可读存储介质

说明书

本公开的实施例提供了一种自动问答方法、装置、电子设备及计算机可读存储介质。所述方法包括：获取用户输入的待解答问题中的实体信息，及所述实体信息关联的至少一个本体信息；根据所述待解答问题的语义信息，确定所述实体信息对应的约束条件；根据所述约束条件，从所述至少一个本体信息中获取所述实体信息对应的目标本体信息；基于所述实体信息和所述目标本体信息，获取所述待解答问题对应的答案。本公开实施例可以避免实体链接环节造成过大空间的实体检索问题，并将语义理解和知识图谱有效结合起来，提升消歧效果。

技术领域

本公开的实施例涉及人机智能交互技术领域，尤其涉及一种自动问答方法、装置、电子设备及计算机可读存储介质。

背景技术

问答系统(QuestionAnswering System，QA)是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户用自然语言提出的问题，是目前人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向。知识图谱(Knowledge Graph，KG)是一种语义网络，它描述了知识的构成以及相互之间的关联关系。给定自然语言问题，通过对问题进行语义理解和解析，利用知识图谱进行查询、推理得出答案，这个过程被称为“基于知识图谱的问答”(Knowledge Base Question Answering，KBQA)。

现有常规方案包括“知识图谱”的组织存储方案、“基于知识图谱的问答系统”的构建方案两部分。

1、“知识图谱”的组织存储方案

知识图谱的存储分为两部分，“本体”和“实体”。“本体”：定义了它所“管辖”的“实体”允许存在哪些关系(非必需)，以及这些关系所对应的属性值的类型；例如图1中，“商家”这个“本体”，允许存在“地区”、“商家类型”等一些关系，而“地区”这个关系对应的值是“字符”类型。“实体”：通常以三元组的形式存储，即(实体-关系-属性值)，(黄焖鸡米饭加土豆小份–口味–微辣)组成了一个三元组，在餐饮领域中的实体即具体的菜品、商家，每个实体有唯一的id。

2、“基于知识图谱的问答系统”的构建方案

在基于知识图谱的问答系统中，现有常规方案包含自然语言理解、知识检索、自然语言生成3个步骤：

1)自然语言理解

该步骤对用户的问询语句中的关键信息进行抽取，这些关键信息主要包括实体、槽位和意图，分别由以下3个子步骤来完成(例如，用户问询语句：“来份辣的黄焖鸡”)：

a)实体链接与消歧：将句子中的实体识别出来并找到知识图谱中的唯一实体ID，通常包含以下3方面工作。

i、实体识别：从Query(“来份辣的黄焖鸡”)中找到和实体相关的词语Mention集合({“黄焖鸡”：菜品/商家，“鸡”：菜品})；

ii、实体消歧：将Mention集合({“黄焖鸡”：菜品/商家，“鸡”：菜品})中存在歧义性的部分消除，保留最终结果({“黄焖鸡”：菜品/商家})；

iii、iii.实体链接：通过Mention集合({“黄焖鸡”：菜品})找到知识图谱中相关联的各实体ID集合({“SKU/111”，“SKU/222”，“POI/333”，“POI/444”})。

b)槽位识别：槽位是问询语句中的对实体的约束条件，包括：槽位名称(对应上图中的“关系”)、槽位值(对应上图中的“属性值”)。在Query(“来份辣的黄焖鸡”)中，槽位名称是“口味”，槽位值是“辣”。

c)意图识别：明确问询语句最终要获取的信息类型，其取值可根据具体业务灵活制定，例如：找实体意图、找属性值意图、对比意图等。在Query(“来份辣的黄焖鸡”)中，意图是“找属性值”。